Segmentare semantică semi-supervizată
Segmentarea semantică semi-supervizată antrenează modele de etichetare la nivel de pixel utilizând un set mic de imagini complet etichetate, combinat cu un set mult mai mare de imagini neetichetate. Tehnici precum pseudo-etichetarea și regularizarea consistenței extrag semnal de supervizare din datele neetichetate, permițând obținerea unei acurateți apropiate de cea complet supervizată, la o fracțiune din costul de adnotare.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Ouali, Y., Hudelot, C., & Tami, M. (2020). Semi-Supervised Semantic Segmentation with Cross-Consistency Training. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12674–12684. DOI: 10.1109/CVPR42600.2020.01269 ↗
- Zou, Y., Zhang, Z., Zhang, H., Li, C.-L., Bian, X., Huang, J.-B., & Pfister, T. (2020). PseudoSeg: Designing Pseudo Labels for Semantic Segmentation. International Conference on Learning Representations (ICLR 2021). link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/ro/deep-learning/semi-supervised-semantic-segmentation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Segmentare de instanțăÎnvățare profundă↔ compare
- Segmentare semantică auto-supervizatăÎnvățare profundă↔ compare
- Segmentare semanticăÎnvățare profundă↔ compare
- Rețea neuronală convoluțională semi-supervizatăÎnvățare profundă↔ compare
- Segmentare semantică slab supervizatăÎnvățare profundă↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →